IIIB-IV期ALK阳性NSCLC一线Lorlatinib伴高脂血症的管理策略
该数据集来自clinicaltrials.gov，聚焦IIIB-IV期ALK阳性非小细胞肺癌患者一线使用Lorlatinib时出现高脂血症的管理策略
基本信息
资源简介
IIIB-IV期ALK阳性NSCLC一线Lorlatinib伴高脂血症的管理策略
该数据集来自clinicaltrials.gov，聚焦IIIB-IV期ALK阳性非小细胞肺癌患者一线使用Lorlatinib时出现高脂血症的管理策略。研究在中国8个中心开展，采用双部分设计：Part A记录真实临床实践中的高脂血症管理方式，Part B为随机对照试验，比较强化与标准降脂策略在具有高危因素且一线使用Lorlatinib后发生高脂血症患者中的效果。数据可用于分析真实世界血脂管理差异、评估不同降脂策略，以及支持ALK阳性NSCLC治疗相关不良反应研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：非小细胞肺癌（NSCLC）、高脂血症、ALK基因突变、ALK阳性。Lorlatinib作为第三代ALK-TKI，在ALK阳性晚期NSCLC一线治疗中显示出显著疗效，CROWN研究中5年PFS率为60%。然而，高脂血症是最常见的不良事件——高胆固醇血症发生于72%的患者，高甘油三酯血症发生于66%的患者。尽管如此，尚无专门针对Lorlatinib治疗背景的标准化血脂管理指南。本研究通过在中国8个中心开展的双部分设计来填补这一空白。Part A记录常规临床实践中的真实世界高脂血症管理模式。Part B是一项随机对照试验，比较强化与标准降脂策略在具有高危因素且一线使用Lorlatinib后发生高脂血症患者中的效果。
【主题与分类】
主题标签：Non-Small Cell Lung Cancer (NSCLC)、Hyperlipidemia、ALK Gene Mutation、ALK-positive。本站分类：肿瘤/肺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT07674524
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站：https://clinicaltrials.gov/study/NCT07674524
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 部分平台提供 SDK，例如：
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据说明
疾病状态：非小细胞肺癌（NSCLC）、高脂血症、ALK基因突变、ALK阳性。洛拉替尼作为第三代ALK-TKI，在ALK阳性晚期NSCLC一线治疗中展现出显著疗效，CROWN研究中5年无进展生存（PFS）率达60%。然而，高脂血症是其最常见的不良事件——72%的患者发生高胆固醇血症，66%发生高甘油三酯血症。尽管如此，目前尚无专门针对洛拉替尼治疗背景的标准化血脂管理指南。本研究通过在中国8个中心开展的双部分设计来填补这一空白。A部分记录真实临床实践中的高脂血症管理现状。B部分是一项随机对照试验，比较强化与标准降脂策略在具有高危因素、接受一线洛拉替尼治疗后发生高脂血症的患者中的效果。
为回应伦理审查反馈，方案已从V1.1版（2025年12月15日）修订至V1.2版（2026年4月7日），修订内容包括：更正A部分与B部分之间主要终点的颠倒、在概要中扩展入选/排除标准、从ICF中删除“组织捐献”相关表述，以及完善FMD检测要求。患者随访延长至入组后最长60个月，以收集生存数据。
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
